(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210950072.7 (22)申请日 2022.08.09 (71)申请人 吉林大学 地址 130012 吉林省长 春市前进大街269 9 号 (72)发明人 方毅　王国强　谭晓丹　范龙飞　 刘宏男　王玉宽　吴述伟　吴叶伟　 (74)专利代理 机构 北京专赢专利代理有限公司 11797 专利代理师 蒋婷 (51)Int.Cl. G01M 99/00(2011.01) G01D 21/02(2006.01) G05B 19/05(2006.01) G06K 9/00(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于传感器信息融合的破碎机健康监 测系统和方法 (57)摘要 本发明适用于破碎机健康 监测领域， 提供了 一种基于传感器信息融合的破碎机健康监测系 统和方法， 系统包括偏心辊式破碎机、 数据采集 模块、 下位机PLC控制模块和上位机数据处理模 块， 通过数据采集模块用于实时采集偏心辊式破 碎机工作时的状态信息； 通过下位机PLC控制模 块用于控制调节偏心辊式破碎机的工作状态， 下 位机PLC控制模块还用于获取数据采集模块采集 到的偏心辊式破碎机工作时的状态信息并进行 储存； 通过上位机数据处理模块用于实时读取下 位机PLC控制模块中储存的偏心辊式破碎机工作 时的状态信息并进行数据处理。 本发 明实现了偏 心辊式破碎机的智能化远程在 线自诊断能力， 提 高了破碎粉磨设备的运行生命周期和工作效率。 权利要求书2页 说明书8页 附图2页 CN 115307947 A 2022.11.08 CN 115307947 A 1.一种基于传感器信息融合的破碎机健康监测系统， 包括偏心辊式破碎机， 其特征在 于， 还包括： 数据采集模块， 所述数据采集模块安装在所述偏心辊式破碎机上， 通过所述数据采集 模块用于实时采集所述偏心辊式破碎机 工作时的状态信息； 下位机PLC控制模块， 所述下位机PLC控制模块分别与所述偏心辊式破碎机和数据采集 模块连接， 通过所述下位机PLC控制模块用于控制调节所述偏心辊式破碎机的工作状态， 所 述下位机PLC控制模块还用于获取所述数据采集模块采集到的所述偏心辊式破碎机工作时 的状态信息并进行储 存； 上位机数据处理模块， 所述上位机数据处理模块与所述下位机PLC控制模块连接， 通过 所述上位机数据处理模块用于实时读取所述下位机PLC控制模块中储存的所述偏心辊式破 碎机工作时的状态信息并进行 数据处理。 2.根据权利要求1所述的基于传感器信 息融合的破碎机健康监测系统， 其特征在于， 所 述数据采集模块包括有电流传感器、 噪声传感器、 振动传感器和电压传感器； 所述电流传感器、 噪声传感器、 振动传感器和电压传感器均安装在所述偏心辊式破碎 机上； 通过所述电流传感器、 噪声传感器、 振动传感器和电压传感器分别用于实时采集所述 偏心辊式破碎机 工作时的电流信号、 噪声信号、 振动信号和电压信号。 3.根据权利要求2所述的基于传感器信 息融合的破碎机健康监测系统， 其特征在于， 所 述偏心辊式破碎机包括有驱动电机和驱动电机变频器； 所述驱动电机和驱动电机变频器电性连接， 所述下位机PLC控制模块通过通信模块控 制所述驱动电机变频器， 调控所述驱动电机的工作状态， 从而对所述偏心辊式破碎机的工 作状态进行调节控制； 所述下位机PLC控制模块与所述数据采集模块之间通过模拟量模块相互通信， 所述下 位机PLC控制模块用于获取所述电流传感器、 噪声传感器、 振动传感器和电压传感器采集到 的所述偏心辊式破碎机 工作时的电流信号、 噪声信号、 振动信号和电压信号并进行储 存。 4.根据权利要求3所述的基于传感器信 息融合的破碎机健康监测系统， 其特征在于， 所 述电流传感器、 噪声传感器、 振动传感器和电压传感器均与所述下位机PLC控制模块中的模 拟量模块通信连接， PLC将采集到的电流信号、 噪声信号、 振动信号和电压信号转换成模拟 量储存在数据块中； 所述噪声传感器和振动传感器用于实时测量所述偏心辊式破碎机工作时主轴的振动 信号和噪声信号； 所述电流传感器和电压传感器用于实时测量所述偏心辊式破碎机的驱动 电机工作时的电流信号和电压信号。 5.根据权利要求4所述的基于传感器信 息融合的破碎机健康监测系统， 其特征在于， 所 述上位机数据处理模块与所述下位机PLC控制模块之间通过局域网相互远程通信， 通过所 述上位机数据处理模块用于实时读取所述下位机PLC控制模块中储存的所述偏心辊式破碎 机工作时的电流信号、 噪声信号、 振动信号和电压信号并进 行数据处理， 数据处理过程步骤 为： a） 使用过 滤法剔除无关特 征， 降低特 征维度； b） 利用包裹法进行 特征选择， 去掉冗余特 征；权　利　要　求　书 1/2 页 2 CN 115307947 A 2c） 使用一维卷积神经网络提取 特征向量； d） 输入到门控循环神经网络单 元中进行训练； e） 输出故障诊断的结果。 6.一种基于传感器信息融合的破碎机健康监测方法， 其特 征在于， 包括以下步骤： 步骤1、 下位机PLC控制模块通过数据采集模块的传感器采集偏心辊式破碎机的电流信 号、 噪声信号、 振动信号和电压信号； 步骤2、 上位机数据处理模块对实时读取下位机PLC控制模块中的电流信号、 噪声信号、 振动信号和电压信号进行 数据预处 理； 步骤3、 特征选择后的多源时间序列数据构成特征集， 将标准化后的数据进行拼接、 截 取和滑动取样， 构造以电流、 噪声、 振动和电压信号为特征输入， 以故障类型为特征输出 的 训练样本集； 采用过滤法和包裹法组合式算法对输入数据进行特征选择， 先使用过滤法剔除无关特 征， 降低特 征维度； 然后利用包裹法进行 特征选择， 去掉冗余特 征； 步骤4、 对训练样本进行一维卷积神经网络模型训练， 调整神经网络结构参数， 提取高 纬度的预测特 征向量； 步骤5、 将经过一维卷积神经网络训练后的特征向量输入到门控循环神经网络模型中 训练， 最终得到故障诊断结果。 7.根据权利要求6所述的基于传感器信 息融合的破碎机健康监测方法， 其特征在于， 在 步骤2中， 所述的数据预 处理是将原始数据转换为无量纲 化的指标测评值， 减少输入数据的 极值， 基于原 始数据的均值和标准差进行 数据Z‑Score标准化处理； 对输入数据进行特征选择， 去除无关特征， 采用互信息过滤法， 捕捉每个特征和标签之 间的线性和非线性任意关系。 8.根据权利要求7所述的基于传感器信 息融合的破碎机健康监测方法， 其特征在于， 在 步骤3中， 利用包裹法进行特征选择时， 根据目标函数， 每次选择若干特征或者排除若干特 征， 直到选择出最佳的子集。 9.根据权利要求8所述的基于传感器信 息融合的破碎机健康监测方法， 其特征在于， 在 步骤4中， 一维卷积神经网络由输入层、 卷积层、 池化层、 全连接层和输出层构成， 单个样本 的输入为4通道 时序数据， 输出为故障特征； 对样本的输入再次进行滑动取样； 再经过两次 卷积、 最大池化操作提取 数据空间特 征， 激活函数采用LeakyReLU； 最终得到特 征数据。 10.根据权利要求9所述的基于传感器信息融合的破碎机健康监测方法， 其特征在于， 在步骤5中， 门控循环神经网络模型引用重置门与更新门的门控机制来控制梯度信息传播， 重置门与更新门分别用于捕捉时间序列里短期的依赖关系和长期的依赖关系； 将特征数据 输入到门控层中， 提取时序数据的隐含信息， 经 过三次全连接层输出故障信息 。权　利　要　求　书 2/2 页 3 CN 115307947 A 3